SKILLEMALL.ai

AC upstream-material-analysis

Структура исследования акций сырьевых материалов. Систематический углубленный анализ компаний, производящих сырьевые материалы (медная фольга/подложки/кристаллы/смолы/стекловолокно/материалы для печатных плат и т. д.), которые не работают напрямую с конечными потребителями. Используется для: (1) определения места сырьевых материалов в производственно-сбытовой цепочке и путей их передачи, (2) количественной оценки соотношения спроса и предложения и ценовой эластичности, (3) расчета влияния увеличения объемов производства материалов на структуру прибыли целевых компаний, (4) сравнения конкурентов в том же сегменте для формирования инвестиционных суждений. Триггерные слова: анализ сырьевых материалов, исследование акций сырьевых материалов, верхние звенья цепочки поставок, критически важные материалы, импортозамещение материалов, анализ медной фольги, анализ подложек, медная фольга для носителей, подложки InP, ниобат лития.

машинный переводПоказать оригиналСкрыть оригинал«上游材料股研究框架。对不直接面向终端的上游材料公司(铜箔/衬底/晶体/树脂/玻纤/载板基材等)进行系统化深度分析。用于:(1)梳理上游材料在…»

上游材料股研究框架。对不直接面向终端的上游材料公司(铜箔/衬底/晶体/树脂/玻纤/载板基材等)进行系统化深度分析。用于:(1)梳理上游材料在产业链中的位置和传导路径,(2)量化供需格局和价格弹性,(3)测算材料放量对标的公司利润结构的影响,(4)对比同赛道竞争者形成投资判断。触发词:上游材料分析、材料股研究、供应链上游、卡脖子材料、国产替代材料、铜箔分析、衬底分析、载体铜箔、InP衬底、铌酸锂。

ClawHub Agent Skills автор: SeanWeiSean v1.0.0 MIT-0 4 файла тело ≈ 446 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Структура исследования акций сырьевых материалов.

Как процесс C 53/100 · Есть пробелы — слабые места: результат и критерий готовности, когда включается, входы и предусловия

АнализаторИнфраструктуратип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
76
Прогон на моделях
не было
Процессный рейтинг
C
53/100
Есть пробелы
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Ошибки и развилки вес 10
0
три самых слабых из десяти параметров · все десять
Это копия скилла из другого каталога, в рейтинге считается основная: upstream-material-analysis (ClawHub)

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 4. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 53/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Ошибки и развилки. Линейный процесс без обработки сбоев
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 100Инструменты и файлы. Внешние инструменты не нужны
  • 100Шаги. Шагов: 16
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Стоимость исполнения. Тело инструкции 446 токенов
  • 100Повторный запуск. Изменяющих операций нет

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +5В description нет примеров фраз, по которым скилл должен срабатывать
  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +3Длина description 199 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 11 заголовков
  • +3Пошаговые инструкции: 16 пунктов
  • +4Есть примеры (2 блоков кода)
  • +4Справочные файлы упоминаются в инструкциях (2 из 2)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 76.

Внешние проверки

ClawHub: clean
This is a document-only investment research framework with no executable code, credential use, hidden persistence, or unrelated access.
LLM: benign (high) · VirusTotal: · 29 мая 2026 г.